IXThinker·2025-01-16 22:30

PRMBench為過程獎勵模型定標尺

復旦大學、蘇州大學與上海人工智能實驗室等機構聯合提出PRMBench基準，針對過程級獎勵模型缺乏系統評估工具的問題，以6216條題目及逾8萬個步驟級標籤檢驗其糾錯能力。

幕後功臣

o1等強推理模型的出現證明了過程級獎勵模型PRMs的有效性——它負責評估推理過程中每一步是否正確有效，從而引導大語言模型的學習方向，是強推理能力背後的幕後功臣。